机器视觉与钢板表面缺陷的无损检测吴平川 路同浚 王 炎(哈尔滨工业大学,哈尔滨 150001)摘 要 通过分析几种具有代表性的机器视觉检测系统的结构、原理和性能,论述了钢板表面缺陷的在线机器视觉检测技术的特点及现状,探讨了目前研究中的关键技术、难点及其解决方法,指出机器视觉检测技术必将在今后钢板表面质量控制系统的研究中发挥重大作用。
主题词 钢板 表面缺陷 机器视觉 图象处理 模式识别MACHINE-VISION TEC HNOLOGY AND NONDESTRUCTIVE DETECTION OF THE SURFACE DEFECTS IN STRIP STEELWu Pingchuan Lu Tongj un Wang Yan(Ha p er bin I nstitute of T echno lo gy)Abstract T he chara ct er istics and state-o f-t he-art s of on-line machine-v ision inspection o f str ip steel for sur face defects are presented by analyzing some ty pical systems including their st ructures,pr inciples and perfo rmances.T he key po ints in r esearch,pr oblems and solutio ns ar e discussed.It is pointed out that the techno log y must play an impo rt ant ro le in the development o f the surface qua lit y co nt ro l sy st em for str ip steel in the coming da ys.Keywords Str ip steel Sur face defects M achine-visio n Imag e pr ocessing P atter n recog nition 机器视觉技术是指用计算机来实现人的视觉功能,也就是用计算机来实现对客观的三维世界的识别,主要包括图象的获取、处理、分析、输出和显示等方面的研究。
机器视觉技术作为计算机科学的一个重要分支,在近30年中得到迅猛的发展,其应用领域遍及工业、农业和军事等。
通过计算机技术向无损检测技术的交叉和渗透,机器视觉已成为无损检测技术中的一个颇具生命力的分支,并开拓出无损检测技术的崭新的应用领域。
当前,工业视觉检测系统主要用于提高生产效率、控制生产过程中的产品质量、采集产品数据以及产品的分类和选择。
机器视觉技术应用于钢板表面缺陷的在线无损检测起源于80年代初。
进入90年代后,基于线阵CCD器件的机器视觉技术无疑已成为钢板表面缺陷在线检测的主流技术,其应用研究工作方兴未艾。
芬兰Rautar uukki New T echnolo gy公司[1]研制了Smartvis表面检测系统,应用机器学习方法自动设计了优化的决策树分类器结构。
美国Cog nex公司于1996年先后研制成功了iS-2000自动检测系统[2]和iLearn自学习分类器软件系统[3],通过这两套系统的无缝连接,整体系统可提供80GOPS的运算性能,并有效地改善了传统自学习分类方法在算法执行速度、数据实时吞吐量、样本训练集规模及模式特征自动选择等方面的不足之处。
德国Parsytec公司[4]于1997年为韩国浦项制铁公司研制了HT S-2冷轧带钢表面检测系统,该系统首次将基于人工神经网络(A NN)的分类器设计技术应用于带钢检测领域。
英国Euro pean Electronic System公司(EES)[5]则将研究工作的重心确定为提高系统的实用性和可靠性,增强缺陷目标的检出能力和缺陷图象的显示质量,并完善系统对环境的有效控制能力,其热轧带钢表面检测系统已在欧美主要钢铁制造企业得到应用。
1 钢板表面缺陷机器视觉在线检测技术的特点及现状1.1 特点如图1所示,目前已开发的钢板表面机器视觉检测系统的基本结构包括光源及图象传感器子系统、数字信号预处理子系统、缺陷自动分类子系统、・13・第22卷第1期2000年1月无损检测NDTVo l.22 N o.1Ja n. 2000图1 钢板表面机器视觉检测系统的结构框图1.图象传感器(数字接口)2.操作员监视器3.数字信号预处理器4.缺陷自动分类器(可选)5.图形显示子系统6.系统主控模块7.数据分析模块 8.文档、图形/图象管理子系统9.人机接口部件 10.网络接口部件11.存储数据库系统 12.质量控制计算机图形显示子系统、质量分析数据统计及报表生成子系统、文档及图象数据库管理子系统、人机接口管理子系统等。
反映在系统设计思想和具体技术实现上的特点如下:(1)采用标准数字CCD摄象机及照明光源部件,并在具体技术指标的选择上留有余量。
目前,普遍采用象数为2048～4096的线阵CCD传感单元,芯片的帧转移速率普遍>10kHz,摄象机A/D转换器的采样速率通常为20MHz/8bit左右,照明光源根据具体待检钢板的表面形态,可采用高强度荧光灯、阵列钨灯或光纤光源等。
(2)通过采用标准化总线结构和模块化设计技术,使系统硬件结构通用、功能灵活、运行稳定可靠、改进和升级十分方便。
从具体技术实现上来看, VM E总线成为首选的系统总线,是由于VM E总线在公开的商业标准范围内,得到众多厂商的支持,基于VM E总线的处理板卡品种繁多,可供选择的余地较大。
(3)低层视觉计算任务如平滑、增强、分割和描述等交由专用处理部件完成,目前的研究趋势是采用高速DSP器件作为处理部件,如TI公司的TM S320C40多芯片组中的QU AD-C40MCM模块或INM OS公司的Tr ansputer系列等。
(4)人们尝试了各种基于符号系统模仿人类智能的传统人工智能方法(如机器学习)和从生物系统底层模拟智能的方法(如ANN),以解决复杂的钢板表面缺陷的自动分类和识别问题。
但现有的缺陷自动分类器仅仅对某些具体的应用背景及特定类型的缺陷显示出其有效性。
1.2 现状针对带钢自动检测技术对高速运行的带钢表面微小的、低对比度的缺陷检测灵敏度较低以及缺陷自动分类能力不足等问题,美国Cognex公司开发了iS-2000冷轧带钢表面自动检测系统[2,3],该系统的技术起点很高,功能完善,属于目前最先进的带钢表面自动检测系统,在一定程度上代表了自动机器视觉检测技术今后的发展趋势。
iS-2000系统的主要研究成果如下:(1)提高了微小的、低对比度的缺陷检测灵敏度 iS-2000系统探索了从光学信号传感系统、视频信号接口部件、数字图象预处理部件到软件算法的全面解决方案,使系统的横纵向检测精度达到0.23 m m×0.70mm。
具体措施是在带钢上下表面分别设置工作于明域和暗域的各两台CCD摄象机,并通过明、暗域光学图象的匹配,增加缺陷检出的数量;将数字图象的分辨力由8bit/象素提高至10bit/象素;在摄象机A/D变换单元中设置自动增益校正(AGC)功能,并在摄象机数字接口部件中配备了自适应的规格化器,可动态补偿照明光源的不均匀和衰变以及带钢表面反射光的不规则;最为关键的技术措施是综合运用了多只阈值化器(恒定阈值化器、基线跟随阈值化器、边缘检出阈值化器、条纹检出阈值化器和低对比度阈值化器),各种阈值算法分别适用于各自特定的缺陷类型,并可编程为固定的或自适应的运行模式,其综合效果可将缺陷检测阈值严格控制在带钢正常表面象素值偏差的1.0～1.6倍,大大高于其它检测系统中2.5～3.0倍的水平。
(2)设计了缺陷自动分类器 iLearn自动分类系统如图2所示,其中,分类表1直接利用了某些简单类型缺陷的先验分类知识,分类表2可使用人工设计的早期分类器,分类表3则用于对已粗分类的缺陷所隶属的子类别进行精确调整,自学习的分类器部分利用离线训练所获得的知识给出缺陷类别的图2 iL ear n自动分类器结构框图1.基于规则的分类表12.自学习的分类器(自动)3.基于规则的分类表24.基于规则的分类表3・14・模糊置信度,通过调整置信度阈值,可以防止对新缺陷类型发生误分类。
iLear n 系统运行于一个专用处理器之上,可以保证实时完成分类任务。
2 关键技术与难点分析2.1 检测分辨力及灵敏度如何有效地提高对钢板表面细微的、低对比度的缺陷类型的检测灵敏度,国外学者的研究工作中有许多方面值得借鉴,如¹采用了两种不同的检测光路配置形式,其一是将CCD 摄象机设置于明域及暗域交界处,其二是在明域及暗域各设置一台摄象机,两机同步工作并相互匹配,研究结果表明后者效果较为明显。
º提高A /D 转换器(ADC)的转换精度,但必须统一考虑ADC 的精度及采样速率、数字处理部件的运算能力及存储结构等多方面因素。
»在A /D 变换单元内进行自动增益校正(AGC ),并将数据规格化器件尽量前移至CCD 摄象机内部。
¼针对感兴趣的缺陷类型分别研究专门的阈值化方法并予以综合运用,是现阶段较为可行的缺陷目标检出技术。
此外还应对以下方面给予足够的重视:(1)目前CCD 摄象机的检测光路普遍采用扇束(Fan-Beam)形式,而更为优化的检测光路应采用远心光路(T elecentric )形式,如图3所示。
在远心光路中,由于摄象机的焦平面与带钢表面重合,有可能进一步提高检测灵敏度。
图3 扇束光路和远心光路(2)应根据微弱信号检测理论,研究检测系统中电噪声的统计特征及其通过电路的响应,探索基于Weiner 线性滤波理论的信号波形恢复和噪声中微弱信号的判决及参量估计方法,同时,还需注意低噪声前置放大器的选用和电路CAD 优化设计等具体问题。
2.2 高速数据采集在构成高速数据采集系统时,数据采集部件的指标往往是设计的关键,重要部件(ADC 、SHA 等)的指标直接影响着整个系统的通过速率。
对ADC 的要求主要包括采样速率和位数。
采样速率主要由信号带宽决定,同时必须考虑到采样后系统的处理能力以及现有ADC 的速度。
ADC 的位数必须满足一定的动态范围以及数字部分处理精度的要求。
对于运动钢板表面图象高速采集这一类应用场合,目前可供选择的模数转换器产品包括闪烁ADC (Flash ADC)和流水线ADC (Pipelined ADC),其中,前者适用于超高采样速率和低分辨力场合(可达500M SPS/8bit),后者的采样速率略低(低于200M SPS ),但分辨力较高(已有16bit )。